音声だけで完全な長文が書ける技術を開発

ソニーコンピュータサイエンス研究所（CSL）
フェロー・副所長であり東京大学大学院情報学環の
暦本純一教授が開発した「DualVoice: A Speech
Interaction Method Using Whisper-Voice as Commands」は、
キーボードやマウスなどを使用せず、音声入力だけで
長い文章が書ける技術だ。

文字入力以外のコマンド入力と音声認識ミスに
よる修正は、通常の声とは別に「ささやき声」で
操作する。
通常の声とささやき声を使い分ける方法で、
ハンズフリーの完全な音声入力を実現するそうです。

音声による文字入力はタイピングに比べて格段に速いため、
アイデアを書き留めたり、原稿を素早く
入力したりするのに利用されているそうです。

だが、音声認識では認識ミスの問題があるため、
認識ミスをキーボードやマウスで
修正する必要があり、ハンズフリーの
利点が損なわれてしまう。

ささやき声と通常の音声の2種類を使い分けることで、
文字入力は通常の声、ファンクションキー、
コマンドキー、記号キーなどのコマンド入力は
ささやき声といったように、音声に複数の
意味を持たせることができる。

具体的には、通常の音声で「NEW LINE」と
言えば文字列として入力し、「NEW LINE」と
ささやくと改行コマンドを呼び出す。
音声認識にミスがあった場合は、「BACK」や
「DELETE SENTENCE」とささやくことで、
最後の単語を削除したり、対象の単語を
変更できるそうです。

面白いですね。
言葉で、文字入力が簡単に正確にできれば、
作業効率が上がります。

2022/05/25 (Wed) 日記